设想一下,你现在可以使用Kimi、智谱清言、Stable Diffusion、ChatGPT等大模型或者AI工具,甚至将大模型的API嵌入到你的项目中。
然而,预训练的大模型虽然强大,但不是万能的。
比如你问大模型你写的文章信息,因没有文章语料,它就无法回答。你想让大模型回答医学问题,它可能泛泛而谈。
大模型依赖于大量互联网数据进行训练,虽然覆盖面广,但在特定情境下往往无法提供精准的答案。
为此,你需要对大模型进行改造,让它更好地满足你的需求。
用于优化和增强大模型能力的方法有:提示工程、RAG、微调、更换大模型、使用多模态大模型。
简单来说,一种方法是不改变模型本身,那就优化提示词,使用外部知识库(技术是:RAG)。一种方法是改变大模型参数(技术是:微调)。
另一种方法是,换一个大模型,或者使用多模态大模型。
下面我们一一讲解。如果你想学习如何用搭建个人知识库,微调大模型,自动化工作流程等技能,可以关注我们的AI线下工作坊,扫描文末二维码,加入福利群,月中会在群里发福利券。
1. 优化提示词
当大模型的输出内容不满足你的期望时,你可以选择优化提示词,直到优化到不能优化。
使用提示词生成答案(图来源:myscale)
依据大模型的能力、特点和局限,选择合适的提示词,能够让大模型生成更符合你特定要求的输出。
例如,你想用AI批量生成小红书文案,你可以在提示词中,详细说明目标受众、语气、文章结构,引导大模型生成小红书风格的文案。
你可以设计一系列提示词模版,这样每次都可以调用。
2. 使用外部知识库
通过检索增强生成(RAG),大模型会首先从外部知识库(比如你写的文章)中查找并收集相关信息,然后使用检索到的信息和预先存在的知识,更准确的回答问题。
RAG工作流程(图来源:Monigatti)
RAG让模型具备特定领域的知识,从而表现得更好。
外部知识库可以是公司产品说明、教程或用户指南;客服回答的问题、聊天记录;公司政策文件、标准操作程序;你写过的文章等等。
使用何种外部知识库,取决于你的目标。
使用外部知识库,最直接的方式是在AI机器人聊天页面上传文档,开启对话。比如下图是我使用kimi解读一篇论文。(官网:kimi.moonshot.cn)。你也可以尝试扣子(官网:coze.cn)
上传某本书/文章 让kimi解读
但是这种做法也有局限。如果你不想文档泄漏,或者公司里面有成千上万个文档,你就需要借助新的工具或者运用,甚至开发专用的运用。
下图是一些常用的RAG工具,这些工具在Github上Star较多。
常见RAG工具/运用(整理:mscreate)
案例:某科技公司将RAG应用于其客户支持系统,大模型通过检索公司内部的技术文档和历史支持记录,能够在几秒钟内为客户提供精准的解决方案,大大提高了客户满意度和支持效率。
3. 微调大模型
微调是指在预训练大模型的基础上,进一步在较小的、特定领域的数据集上进行训练。
微调示意(图来源:myscale)
微调有助于让大模型更满足特定需求。
例如,你想让大模型翻译地方方言更准确,那可以使用地方方言数据集微调大模型。
与RAG不同,RAG是使用外部信息增强模型的知识,而微调则是更新模型的参数,使其更好地适应你的领域或任务。
当你拥有某个领域特定的数据时,微调特别有用。
案例:如果你想构建一个法律大模型,可以用法律文件、法律案例和合同等数据微调模型。使其在法律文件分析和合同审查中表现出色,能够快速识别潜在风险和异常条款,帮助律师更高效地完成工作。
4. 换一个大模型
除了上面的方法外,你还可以换一个模型,并非一定要拘泥于使用一个模型。
模型和模型之间能力有所差别。有些模型更擅长写出流畅的中文,有的则更擅长数据分析或者长文本处理、写代码。
不同大模型公司对大模型能力的描述
成本也有所差别。当然还有其他差别。
定价页面
深度求索:https://platform.deepseek.com/api-docs/zh-cn/pricing/
百度:https://cloud.baidu.com/doc/WENXINWORKSHOP/s/hlrk4akp7
MinMax:https://platform.minimaxi.com/document/price?id=6433f32294878d408fc8293e
阿里:https://help.aliyun.com/zh/model-studio/product-overview/billing-for-alibaba-cloud-model-studio?spm=5176.28515448.J_aHwmq4rbOGdcDUYyNQ3GJ.1.1ce338b1MNKJ19&scm=20140722.X_data-14ce560b9a2a78db69e3._.V_1
智谱AI:https://maas.aminer.cn/pricing
月之暗面:https://platform.moonshot.cn/docs/price/chat#%E4%BA%A7%E5%93%81%E5%AE%9A%E4%BB%B7
OpenAI:https://openai.com/api/pricing/
Anthropic:https://www.anthropic.com/pricing#anthropic-api
你可以尝试不同模型,综合效果和成本等,找到最适合的模型。
选择模型时,需要想清楚希望AI执行哪些任务?需要达到怎样的准确性、响应速度或者成本?
一旦你有了候选模型,就可以开始测试它们。
输入样本数据,评估输出结果,并将其与预设的指标进行比较。尽量尝试不同的设置、参数或微调技术,看看每个模型的反应。
例如,一家电商公司在构建推荐系统时,通过测试不同的大模型,最终选择了一个既能提供高精准推荐,又能实时响应的模型,极大地提升了用户购物体验和销售转化率。
5. 使用多模态大模型
模型不仅仅只能处理文本,还可以处理图像、音频、视频等。多模态大模型可以同时处理文本、图像等。
很多应用场景需要多模态技术支持才能实现。比如,借助多模态技术,让视力受损的人能轻松浏览网络,甚至在真实世界中充当导航。
GPT-4V展示的多模态使用例子
假设你在开发一个内容创作平台,帮助博主和营销人员制作引人入胜的文章。有了多模态大模型,用户输入提示词,AI会生成一篇精美、用吸引力的文章,还会附带相关的图片。
目前多模态大模型正在快速发展中。
最后,综合运用多种方法
真正的魔力在于结合这些方法:提示词、RAG、微调、切换模型和使用多模态大模型。
利用每种方法的优势,并将其应用于文本和图像数据,以此用大模型提升你的生产力。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。